| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究相关背景及意义 | 第9-10页 |
| 1.2 课题研究方法国内外现状分析 | 第10-11页 |
| 1.3 肺结节计算机辅助诊断面临的问题 | 第11-12页 |
| 1.4 本课题主要研究内容及论文章节安排 | 第12-15页 |
| 第二章 计算机辅助肺结节检测与分割总体方案设计 | 第15-19页 |
| 2.1 肺结节影像特征 | 第15-16页 |
| 2.2 肺结节检测和分割总体方案概述 | 第16-18页 |
| 2.3 本章小结 | 第18-19页 |
| 第三章 基于深度学习的肺结节检测系统的实现 | 第19-33页 |
| 3.1 基于深度学习肺结节检测方法的提出 | 第19-21页 |
| 3.2 深度卷积神经网络检测肺结节系统构建 | 第21-29页 |
| 3.2.1 卷积神经网络提取肺结节图像的特征图 | 第22-25页 |
| 3.2.2 RPN网络提取肺结节候选区域框 | 第25-28页 |
| 3.2.3 感兴趣区域分类和回归 | 第28-29页 |
| 3.3 DCNN肺结节模型训练 | 第29-32页 |
| 3.3.1 模型训练参数设计 | 第29-30页 |
| 3.3.2 卷积网络模型和RPN网络对训练模型的影响分析 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 基于EM算法的肺结节分割系统的实现 | 第33-45页 |
| 4.1 肺结节初始轮廓分割提取 | 第33-35页 |
| 4.1.1 肺实质部分分割 | 第33-35页 |
| 4.1.2 初始轮廓分割提取 | 第35页 |
| 4.2 基于EM算法的肺结节精确分割提取 | 第35-42页 |
| 4.2.1 EM算法概述 | 第35-36页 |
| 4.2.2 肺结节分割提取 | 第36-40页 |
| 4.2.3 磨玻璃结节实性部分分割提取 | 第40-42页 |
| 4.3 肺结节特征值计算 | 第42-43页 |
| 4.4 本章小结 | 第43-45页 |
| 第五章 肺结节检测与分割系统可视化显示 | 第45-49页 |
| 5.1 肺结节检测与分割系统主界面设计 | 第45-46页 |
| 5.2 系统模块功能及作用 | 第46-48页 |
| 5.2.1 肺结节检测系统 | 第46-47页 |
| 5.2.2 图像显示系统 | 第47页 |
| 5.2.3 肺结节分割系统 | 第47-48页 |
| 5.2.4 肺结节特征值显示系统 | 第48页 |
| 5.3 本章小结 | 第48-49页 |
| 第六章 实验结果与分析 | 第49-61页 |
| 6.1 LIDC-IDRI数据库 | 第49页 |
| 6.2 DICOM格式数据 | 第49-51页 |
| 6.3 肺部CT影像数据预处理 | 第51-54页 |
| 6.4 DCNN检测肺结节实验结果分析 | 第54-57页 |
| 6.5 肺结节分割实验结果与分析 | 第57-59页 |
| 6.6 本章小结 | 第59-61页 |
| 第七章 总结与展望 | 第61-63页 |
| 7.1 工作总结 | 第61-62页 |
| 7.2 研究展望 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 硕士期间发表论文和参加科研情况 | 第69-71页 |
| 致谢 | 第71页 |